Schulungsübersicht

Einführung in die KonversationskI und Kleine Sprachmodelle (SLMs)

  • Grundlagen der KonversationskI
  • Überblick über SLMs und ihre Vorteile
  • Fallstudien zu SLMs in interaktiven Anwendungen

Gestaltung von Konversationsabläufen

  • Prinzipien der Mensch-KI-Interaktionsgestaltung
  • Erstellung ansprechender und natürlicher Dialoge
  • Betrachtungen zur Benutzererfahrung (UX)

Entwicklung von Kundenservicebots

  • Anwendungsbereiche für Kundenservicebots
  • Integration von SLMs in Kundenserviceplattformen
  • Handhabung häufiger Kundenanfragen mit KI

Ausbildung von SLMs für Interaktionen

  • Datensammlung für KonversationskI
  • Ausbildungsverfahren für SLMs in Dialogsystemen
  • Feinkalibrierung von Modellen für spezifische Interaktionszenarien

Bewertung der Interaktionsqualität

  • Metriken zur Beurteilung von KonversationskI
  • Benutzertest und Sammlung von Rückmeldungen
  • Iterative Verbesserung auf der Grundlage der Bewertung

Sprachgesteuerte und Multimodale Interaktionen

  • Integration von Spracherkennung mit SLMs
  • Gestaltung multimodalier Interaktionen (Text, Sprache, Visuelle)
  • Fallstudien zu Stimme-Hilfen und Chatbots

Personalisierung und Kontextuelles Verständnis

  • Techniken zur Personalisierung von Interaktionen
  • Kontextsensible Behandlung von Konversationen
  • Datenschutz und Datensicherheit in personalisierten KI-Anwendungen

Ethische Überlegungen und Bias-Mitigation

  • Ethische Rahmenwerke für KonversationskI
  • Identifizierung und Mitigation von Biaskomponenten in Interaktionen
  • Gewährleistung der Inklusivität und Gerechtigkeit in KI-Kommunikation

Deployment und Skalierung

  • Strategien für die Bereitstellung von KonversationskIsystemen
  • Skalierung von SLMs für breite Nutzung
  • Überwachung und Wartung der KI-Interaktionen nach dem Deployment

Abschlussprojekt

  • Identifizierung eines Bedarfs für KonversationskI in einem gewählten Bereich
  • Entwicklung eines Prototypen mit SLMs
  • Test und Präsentation der interaktiven Anwendung

Abschlussbewertung

  • Abgabe eines Abschlussprojektberichtes
  • Demonstration eines funktionsfähigen KonversationskIsystems
  • Bewertung auf Grundlage von Innovation, Benutzereinbeziehung und technischer Ausführung

Zusammenfassung und Weitere Schritte

Voraussetzungen

  • Grundlegendes Verständnis von Künstlicher Intelligenz und Maschinellem Lernen
  • Professionelle Kenntnisse in Python-Programmierung
  • Erfahrung mit Konzepten der Natural Language Processing (NLP)

Zielgruppe

  • Datenwissenschaftler
  • Maschinelles-Lernen-Engineer
  • AI-Forscher und Entwickler
  • Produktmanager und UX-Designer
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Kommende Kurse

Verwandte Kategorien